一种白光干涉轮廓仪空间扫描范围自适应规划方法与流程

本发明属于微结构光学无损检测技术领域，特别是涉及一种白光干涉轮廓仪空间扫描范围自适应规划方法。

背景技术：

微纳米尺度精密加工技术的发展使元器件的集成度不断提升，功能性更加完善，同时也为测量带来了新的挑战。白光扫描干涉术作为一种重要的光学无损检测手段，具有非接触、高精度、测量时间短等特点，因此已被广泛应用于精密无损检测领域，与此同时针对白光扫描干涉术的研究成为了光学无损检测领域研究的热点。

目前常用的白光干涉轮廓仪的结构如图1(a)所示，其主要包括白光光源1、分光镜2、干涉物镜3、压电陶瓷移相器4、步进电机5、控制器6、CCD相机7、参考板8、分光板9和落射显微镜11；其中CCD相机7、落射显微镜11、分光镜2、干涉物镜3、参考板8和分光板9从上至下间隔设置；压电陶瓷移相器4连接在步进电机5的输出轴和干涉物镜3、参考板8及分光板9的侧面，因此在步进电机5的带动下，压电陶瓷移相器4及干涉物镜3、参考板8和分光板9能够一起沿垂直方向移动；被测物体10放置在分光板9下方的近焦位置处；白光光源1设置在分光镜2的一侧，并且CCD相机7和步进电机5同时与控制器6电连接。其工作原理是：由白光光源1发出的光通过分光镜2被分解成两束反射光，其中一束反射光经过干涉物镜3、参考板8和分光板9后照射在被测物体10上，经被测物体10表面反射而形成测量光，另一束在参考板5上反射形成参考光，两束相干光路在空间中叠加在一起就会发生干涉，带有干涉条纹的被测物体10的图像经过落射显微镜11放大后由CCD相机7采集并传输至控制器6进行处理并完成待测样品形貌重建。白光光源1的相干长度通常在微米数量级，当两路光束的光程差非常接近时才能观察到明显的白光干涉条纹。两束相干光只有在光程差为零时，白光中的各个谱线的零级干涉条纹会完全重合，并在此处获得最大的光强，如图1(b)所示。针对这一特点，通过控制器6控制步进电机5带动压电陶瓷移相器4及干涉物镜3、参考板8和分光板9在垂直方向上移动，从而找到被测物体10表面各个点最大光强对应的高度值，通过对比被测物体10表面每一点的高度值信息，即可还原被测物体10的表面形貌。

但现如今，多数白光干涉轮廓仪在进行扫描工作前需要人工进行扫描预设定工作，由于其操作费时且流程复杂，测量效率低，因此无法满足大规模芯片测量的需求；此外，在少数可以实现自动扫描的设备中，大多无法对扫描范围进行精确定位，最终导致在扫描过程中采集到大量的无用数据，结果给扫描速度与后期的数据处理均带来了不同程度的影响。因此，针对白光干涉轮廓仪的自动高精度扫描范围规划方法具有很高的研究价值。

技术实现要素：

为了解决上述问题，本发明提出了一种白光干涉轮廓仪空间扫描范围自适应规划方法，以提高白光干涉轮廓仪的自动化水平并减少无用数据的采集。

为了达到上述目的，本发明提供的白光干涉轮廓仪空间扫描范围自适应规划方法所采用的白光干涉轮廓仪包括白光光源、分光镜、干涉物镜、压电陶瓷移相器、步进电机、控制器、CCD相机、参考板、分光板和落射显微镜；其中CCD相机、落射显微镜、分光镜、干涉物镜、参考板和分光板从上至下间隔设置；压电陶瓷移相器连接在步进电机的输出轴和干涉物镜、参考板及分光板的侧面，因此在步进电机的带动下，压电陶瓷移相器及干涉物镜、参考板和分光板能够一起沿垂直方向移动；被测物体放置在分光板下方的近焦位置处；白光光源设置在分光镜的一侧，并且CCD相机和步进电机同时与控制器电连接；所述的白光干涉轮廓仪空间扫描范围自适应规划方法包括按顺序进行下列步骤：

步骤1)利用白光干涉轮廓仪对被测物体进行垂直大范围扫描和图像采集，并使用能量梯度函数及穷举法在图像中定位出最佳干涉位置；

步骤2)经步骤1)定位出最佳干涉位置后，使用ViBe算法进行白光干涉条纹提取并对提取结果进行二值化处理，由此完成白光干涉条纹识别；

步骤3)利用步进电机驱动压电陶瓷移相器及干涉物镜向上而后向下运动，针对运动中CCD相机获取的每一帧图像进行所述步骤2)的条纹识别操作，并依据获取的二值化后的提取结果获取扫描区间。

在步骤1)中，所述的利用白光干涉轮廓仪对被测物体进行垂直大范围扫描和图像采集，并使用能量梯度函数及穷举法在图像中定位出最佳干涉位置的方法是：将被测物体置于白光干涉轮廓仪的近焦位置处，开启白光干涉轮廓仪，利用白光光源向外发出白色光，驱动步进电机带动压电陶瓷移相器及干涉物镜在垂直方向上移动而对被测物体进行垂直大范围扫描，同时利用CCD相机实时采集被测物体的图像并传送给控制器，由控制器利用式(1)所示的能量梯度函数计算所采集的每一帧图像的能量梯度函数值θ：

其中，I(x，y)表示图像在像素点(x，y)处的灰度值，像素点数量M×N表示图像中选定的评价区域，为选定的评价区域的灰度平均值；

与此同时，在垂直移动期间，控制器使用穷举法搜索能量梯度函数值θ的最大值位置，即最佳干涉位置，具体搜索过程如下：

首先指定一个搜索区间，通过控制步进电机在该区间内以一个固定的大范围移动步长搜索全程，同时计算所有子区间端点上的能量梯度函数值θ，记录其中能量梯度函数值θ相对最大值所在的位置，以此断定最大能量梯度函数值就在该点的附近区域；接着控制步进电机移动到能量梯度函数值相对最大值位置的前一点，减小移动步长，搜索到相对最大值的后一点，记录这一过程中能量梯度函数值θ最大值的位置；在相对最大值的后一点周围选择一个更小的区间，再次进行搜索，如此反复，直到步进电机的移动步长降低到设定的最小值时，判定当前位置即为能量梯度函数值θ的最大值位置，由此定位出最佳干涉位置。

在步骤2)中，所述的经步骤1)定位出最佳干涉位置后，使用ViBe算法进行白光干涉条纹提取并对提取结果进行二值化处理，由此完成白光干涉条纹识别的方法是：首先，进行背景模型初始化，从首帧图像的像素点(x，y)位置的八邻域内随机选取一个像素值来初始化，像素点(x，y)位置处像素点的样本集为M(x，y)，如式(3)所示，其中N表示设定的样本集中的样本数：

M(x，y)-{p₁，p₂，p₃，...p_N} (3)

初始化后从第二帧图像开始计算，设前景判断阈值及像素灰度差值分别为D和P；若某一帧图像上某像素点的像素值为p_f(x，y)，可进一步定义一个以该像素点为中心的集合R，如式(4)所示，其中x和y为该像素点在图像上的坐标；

R＝[P_f(x，y)-P，P_f(x，y)+P]，P＜P_f(x，y) (4)

在白光干涉图像中，前景表示为干涉条纹，背景为待测物体的表面；若集合R与样本集M(x，y)交集中元素的数量大于前景判断阈值D，则判断该像素点与周围的像素点有近似的空间分布，为背景，反之则为前景，如式(5)所示：

另设K为时间抽样因子，若某像素点被判断为背景，则其有的概率去更新该像素点的背景点集，也有的概率去更新相邻像素点的背景点集；

将提取后所获得的背景和前景图像进行二值化处理，由此完成白光干涉条纹识别。

在步骤3)中，所述的利用步进电机驱动压电陶瓷移相器及干涉物镜向上而后向下运动，针对运动中CCD相机获取的每一帧图像进行所述步骤2)的条纹识别操作，并依据获取的二值化后的提取结果获取扫描区间的方法是：先利用步进电机驱动压电陶瓷移相器及干涉物镜向上移动，移动过程中针对CCD相机采集到的每一帧图像进行步骤2)所述的条纹识别操作，并根据二值化的提取结果判断当前视野中是否存在灰度值为255的像素点，进而判断视场中是否存在干涉条纹，如有则继续移动直至将条纹移出视野，记录对应的空间位置即为扫描上限，而后将干涉物镜移动回最佳干涉位置进而向下移动干涉物镜，应用与定位扫描上限相同的方法定位扫描下限，最终获取扫描范围。

本发明提供的白光干涉轮廓仪空间扫描范围的自动规划方法根据干涉条纹覆盖程度对图像明暗特征的影响将自动对焦领域的能量梯度函数用于干涉条纹自动识别，能够通过计算比对垂直扫描过程中拍摄到图像的能量梯度函数值定位最佳干涉位置并使用穷举法对搜索步长进行了优化，提高了搜索效率。

本发明的另一个优点在于定位到最佳干涉位置后使用ViBe算法对干涉条纹进行了提取并对提取结果进行了二值化处理而将条纹与背景分离，这一方法极大提高了白光干涉轮廓仪对于干涉条纹的感知能力，使其可以准确判断目前视野中是否存在干涉条纹，由此通过移动压电陶瓷移相器可以精确定位条纹初次进入以及完全离开视野的位置，从而完成了扫描范围的自动规划，有效提高了白光干涉轮廓仪扫描效率与扫描数据利用率。

附图说明

图1(a)为目前常用的白光干涉轮廓仪结构示意图。

图1(b)为白光干涉光程差与光照强度的关系示意图。

图2为本发明提供的白光干涉轮廓仪空间扫描范围自适应规划方法流程图。

图3为本发明中定位最佳干涉位置过程流程图。

图4为本发明中利用穷举法搜索最佳干涉位置过程示意图。

图5为寻找出的最佳干涉位置图像。

图6(a)为进行条纹提取的原始CCD图像。

图6(b)为使用ViBe算法进行条纹提取后并进行二值化处理的结果。

图7(a)为扫描上限位置处的原始CCD图像。

图7(b)为扫描上限位置处的CCD图像二值化结果。

图8(a)为扫描下限位置处的原始CCD图像。

图8(b)为扫描下限位置处的CCD图像二值化结果。

具体实施方法

下面结合附图和实施方式对本发明作进一步详细说明。

如图2所示，本发明提供的白光干涉轮廓仪空间扫描范围自适应规划方法包括按顺序进行下列步骤：

步骤1)利用白光干涉轮廓仪对被测物体10进行垂直大范围扫描和图像采集，并使用能量梯度函数及穷举法在图像中定位出最佳干涉位置；

如图3所示，将被测物体10置于白光干涉轮廓仪的近焦位置处，开启白光干涉轮廓仪，利用白光光源1向外发出白色光，驱动步进电机5带动压电陶瓷移相器4及干涉物镜3在垂直方向上移动而对被测物体10进行垂直大范围扫描，使得被测物体10在成像系统中呈现如下的运动：远焦位置(模糊)-对焦位置1(清晰，干涉条纹覆盖范围少)-最佳干涉位置(清晰，干涉条纹覆盖范围多)-对焦位置2(清晰，干涉条纹覆盖范围少)-近焦位置(模糊)，同时利用CCD相机7实时采集被测物体10的图像并传送给控制器6，由控制器6利用式(1)所示的能量梯度函数计算所采集的每一帧图像的能量梯度函数值θ：

其中，I(x，y)表示图像在像素点(x，y)处的灰度值，像素点数量M×N表示图像中选定的评价区域，为选定的评价区域的灰度平均值。

与此同时，在垂直移动期间，控制器6使用穷举法搜索能量梯度函数值θ的最大值位置，即最佳干涉位置，以提高搜索效率，具体搜索过程如图4所示。

首先指定一个搜索区间，如图4中的A-B区间，通过控制步进电机5在该区间内以一个固定的大范围移动步长搜索全程，同时计算所有子区间端点上的能量梯度函数值θ，记录其中能量梯度函数值θ相对最大值所在的位置(图4中P1点)，以此断定最大能量梯度函数值就在该点的附近区域。接着控制步进电机5移动到能量梯度函数值相对最大值位置的前一点(图4中C点)，减小移动步长，搜索到相对最大值的后一点(图4中D点)，记录这一过程中能量梯度函数值θ最大值的位置(图4中P2点)。在P2点周围选择一个更小的区间，再次进行搜索，如此反复，直到步进电机5的移动步长降低到设定的最小值时，判定当前位置即为能量梯度函数值θ的最大值位置，由此定位出最佳干涉位置，如图5所示。

步骤2)经步骤1)定位出最佳干涉位置后，使用ViBe算法进行白光干涉条纹提取并对提取结果进行二值化处理，由此完成白光干涉条纹识别；

白光干涉条纹提取的过程即为图像前景提取的过程，首先，进行背景模型初始化，从首帧图像的像素点(x，y)位置的八邻域内随机选取一个像素值来初始化，像素点(x，y)位置处像素点的样本集为M(x，y)，如式(3)所示，其中N表示设定的样本集中的样本数：

M(x，y)＝{p₁，p₂，p₃，...p_N} (3)

初始化后从第二帧图像开始计算，设前景判断阈值及像素灰度差值分别为D和P；若某一帧图像上某像素点的像素值为p_f(x，y)可进一步定义一个以该像素点为中心的集合R，如式(4)所示，其中x和y为该像素点在图像上的坐标；

R=[P_f(x，y)-P，P_f(x，y)+P]，P＜P_f(x，y) (4)

在白光干涉图像中，前景表示为干涉条纹，背景为待测物体10的表面；若集合R与样本集M(x，y)交集中元素的数量大于前景判断阈值D，则判断该像素点与周围的像素点有近似的空间分布，为背景，反之则为前景，如式(5)所示：

另设K为时间抽样因子，若某像素点被判断为背景，则其有的概率去更新该像素点的背景点集，也有的概率去更新相邻像素点的背景点集。

将提取后所获得的背景和前景图像进行二值化处理，由此完成白光干涉条纹识别。最终提取结果如图6所示。

步骤3)利用步进电机5驱动压电陶瓷移相器4及干涉物镜3向上而后向下运动，针对运动中CCD相机7获取的每一帧图像进行所述步骤2)的条纹识别操作，并依据获取的二值化后的提取结果获取扫描区间。

先利用步进电机5驱动压电陶瓷移相器4及干涉物镜3向上移动，移动过程中针对CCD相机7采集到的每一帧图像进行步骤2)所述的条纹识别操作，并根据二值化的提取结果判断当前视野中是否存在灰度值为255的像素点，进而判断视场中是否存在干涉条纹，如有则继续移动直至将条纹移出视野，记录对应的空间位置即为扫描上限，而后将干涉物镜3移动回最佳干涉位置进而向下移动干涉物镜3，应用与定位扫描上限相同的方法定位扫描下限，最终获取扫描范围。

图7为获取的扫描上限图像，图8为获取的扫描下限图像。